说明两个空间域上连续函数的卷积运算步骤？

f(x,y) * h(x,y)<=>F(u,v)H(u,v) f(x,y)h(x,y)<=>[F(u,v) * H(u,v)]/2π (A * B 表示做A与B的卷积） 二个二维连续函数在空间域中的卷积可求其相应的二个傅立叶变换伍滚乘积谨早的反变换而得。反之，在频域中的卷积可用的在空间域中乘积的傅立叶变换而得。 这一定理对拉普拉斯变换、双边拉普拉斯变换、Z变换、Mellin变换和Hartley变换等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。 利用卷积定理可以简化卷积的运算量。对于长度为n的序列，按照卷积的定义进行计算，需要做2N - 1组对位乘法，其计算复杂度为O(N * N)；而利用傅里叶变换将序列变换到频域上后，只需要一组对位乘法，利用傅里叶变换的快速算法之后，总的计算复杂度为O(N * log N)。这一结果可以在快速乘法计算中祥橘雀得到应用。

跟是否则念山使用MFC无关，用SDK程孙中序也可以的。

卷积不就是一个算法么。

1.首先装入图片，

2.取出图像的位图数据。

3.对数据进高没行卷积处理。。新数据可写入一个新的图像缓冲区中。

主要使用

CreateDIBSection

函数，自己看看MSDN吧，挺简单的

具体回答如图：

函数卷积的傅立叶变换是函数傅立叶变卜昌咐换的乘积。具体分为时域卷积定理和频域卷积定理，时域卷积定理即时域内的卷积对应频域内的乘积；频域卷积定理即频域型纯内的卷积对应时域内的乘积，两者具有对偶关系。

扩展资料：

卷积与傅里叶变换有着密切的关系。利用一点性质，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换，能使傅里叶分迅拆析中许多问题的处理得到简化。

由卷积得到的函数f*g一般要比f和g都光滑。特别当g为具有紧致集的光滑函数，f为局部可积时，它们的卷积f * g也是光滑函数。利用这一性质，对于任意的可积函数f，都可以简单地构造出一列逼近于f的光滑函数列fs，这种方法称为函数的光滑化或正则化。

参考资料来源：百度百科--卷积定理

---